人工智能E航海VTS

1、人工智能E航海VTS第1頁匯 報 提 綱一、背景：人工智能二、E航海下VTS的演進方向三、信息“爆炸”四、人工智能的解決之道五、難題與展望第2頁一、背景：人工智能第3頁“人工智能”古老而又新潮學(xué)科人工智能是計算機科學(xué)一個分支，它企圖了解智能實質(zhì)，并生產(chǎn)出一個新能以人類智能相同方式做出反應(yīng)智能機器人類智能本質(zhì)尚不清楚，所以人工智能含義總是在不停改變?nèi)斯ぶ悄苊曰笤谟冢喝魏我粋€新“人工智能”應(yīng)用被研發(fā)出來，就馬上變得“不智能”了。自七十年代以來，“智能”定義多年來不停地被翻新。所以人工智能似乎永遠是最新潮學(xué)科，其邊界被不停地擴展。“學(xué)習(xí)-創(chuàng)造” 被認(rèn)為是最新人工智能定義，正在主動突破中第4頁Alph

2、a-Go 喚起了“人工智能”熱潮3月13日，韓國首爾，圍棋人機大戰(zhàn)5局李世石Vs谷歌AlphaGo最終1：4李世石落敗最終一項人類引認(rèn)為豪智力游戲被人工智能征服第5頁簡明剖析Alpha-Go人工智能制勝法寶深度學(xué)習(xí)（ Deep Learning ）是Alpha-Go基礎(chǔ)（積累經(jīng)驗）Alpha-Go學(xué)習(xí)了大量職業(yè)選手“棋譜”，學(xué)習(xí)了“經(jīng)驗”Alpha-Go使用了神經(jīng)網(wǎng)絡(luò)作為算法基礎(chǔ)，簡化了計算超強“殘局”推演能力是Alpha-Go致勝利器（擅長推理）Alpha-Go有更多計算資源，能夠比職業(yè)選手多算20步（李世石在和服務(wù)器陣列戰(zhàn)斗） 結(jié)論：今天人工智能，已經(jīng)學(xué)會怎樣從大量歷史數(shù)據(jù)中學(xué)習(xí)經(jīng)驗，并利

3、用自己計算優(yōu)勢進行推演，從而逐步地替換過去只有些人才能完成工作。第6頁從Alpha-Go看怎樣設(shè)計一個成功“人工智能”合理推理模型，介紹幾個慣用：充分歷史數(shù)據(jù)（最好沒有不確定性）基于不確定歷史數(shù)據(jù)推理，當(dāng)前是基礎(chǔ)數(shù)學(xué)領(lǐng)域前沿，也是人工智能技術(shù)主要瓶頸之一。充分計算資源概率模型近似模型Agent模型數(shù)學(xué)物理模型 推論：只要這些條件都具備，一個良好，靠近于乃至超越手動操作人工智能是能夠?qū)崿F(xiàn)。 疑問：海事管理服務(wù)需要人工智能嗎？第7頁二、E航海下VTS演進方向第8頁E航海e航海出現(xiàn)2005年英國交通部首次提出e航海概念；同年11月，IALA在“全球船舶追蹤”研討會上再次提到e航海；七國提案2005年

4、，12月19日，美、日等7國聯(lián)名提交向IMO MSC 81次會議提案，要求制定e航海戰(zhàn)略概念初步形成2006年5月，IALA 16屆大會首次正式提出E航海的概念；2007年IMO NAV 53次會議采用了IALA提出的e航海概念；第9頁E航海第10頁E航海下VTS職能轉(zhuǎn)變VTS是數(shù)據(jù)交互中心AIS（LRIT、VDES）RADAR北斗監(jiān)控VTS同時也是搜救協(xié)調(diào)中心。所以，全部船舶、海事相關(guān)數(shù)據(jù)都在逐步匯入VTS中心，使得VTS成為一個天然數(shù)據(jù)交互中心人工智能必須條件之一已經(jīng)具備：充分先驗數(shù)據(jù)第11頁E航海下VTS職能轉(zhuǎn)變VTS同時是船舶信息服務(wù)中心。監(jiān)控（Monitor） 服務(wù)（Service）

5、盡管大數(shù)據(jù)驅(qū)動下，船舶到港預(yù)測、調(diào)度優(yōu)化等功效并不一定只能依靠VTS；但基本安全服務(wù)，必定要依賴于VTS來實現(xiàn)，因為全局、高實時性信息只有VTS能夠掌握。VTS在向VTMIS, Vessel Traffic Management Information System “船舶交通與管理信息系統(tǒng)”演進位置服務(wù)安全服務(wù)調(diào)度優(yōu)化服務(wù)業(yè)內(nèi)期待新一代VTMIS給每艘船個性化服務(wù)第12頁E航海下VTS職能轉(zhuǎn)變事態(tài)感知能力（Situation Awareness, SA）VTS應(yīng)在管理信息系統(tǒng)基礎(chǔ)上感知整體風(fēng)險態(tài)勢改變，從而提升服務(wù)能力第13頁E航海下VTS職能轉(zhuǎn)變VTS是船舶、岸基信息交互樞紐VTS提供包括

6、安全基本船舶管理信息服務(wù)VTS是區(qū)域安全態(tài)勢分析引擎全能VTS，你準(zhǔn)備好了嗎？第14頁三、“信息爆炸”第15頁“信息爆炸”困局越來越靈敏雷達系統(tǒng)傳統(tǒng)意義上認(rèn)為，越靈敏雷達，所提供信息約真實，監(jiān)管就越有效海事雷達也從脈沖裂縫雷達逐步走向固態(tài)雷達、連續(xù)波雷達，乃至相控陣列雷達。英國Kelvin Hughes S波段連續(xù)波雷達，代號SharpEye單T/R模塊高達110W可跟蹤5海里外 RCS僅0.5平方米目標(biāo)同時跟蹤能力 5000個問題一：這么多目標(biāo)，哪些是船？還是浪？還是水面一塊漂浮木頭？問題二：假如是船，哪些值得我看？問題三：假如有些人知道怎么看，他經(jīng)驗怎樣復(fù)制？第16頁“信息爆炸”困局越來越

7、多跟蹤系統(tǒng)，到底該看誰？AIS（LRIT、VDES）北斗監(jiān)控信息數(shù)量 不等于 信息質(zhì)量完全依靠人來做最終甄別信息系統(tǒng)，不是智能信息系統(tǒng)第17頁“信息爆炸”困局（1）：不確定性信息“不可靠性”是固有屬性，無法防止，從來不存在某個信息源是絕對可靠。我們重復(fù)要求AIS靜態(tài)信息正確，但AIS錯誤又豈止靜態(tài)信息？雷達跟蹤有效性在內(nèi)河從來不到50%，為何沒人找廠家追責(zé)？全中國又有多少錯誤身份證？世界上又有多少本假護照？信息增多意義，是用來相互佐證佐證過程只能依靠人推理，或者：人工智能第18頁“信息爆炸”困局（2）：不確定性信息“不可靠性”是固有屬性，無法防止，從來不存在某個信息源是絕對可靠。我們重復(fù)要求A

8、IS靜態(tài)信息正確，但AIS錯誤又豈止靜態(tài)信息？雷達跟蹤有效性在內(nèi)河從來不到50%，為何沒人找廠家追責(zé)？全中國又有多少錯誤身份證？世界上又有多少本假護照？信息增多意義，是用來相互佐證佐證過程只能依靠人推理，或者：人工智能第19頁四、人工智能處理之道第20頁利用通用分類模型，實現(xiàn)目標(biāo)與判別VTS中雷達ARPA（自動標(biāo)繪）目標(biāo)，僅有30%40%真實船只，以往只靠手動識別，只有非常有經(jīng)驗管理人員有這么能力。位置速度分布航向分布建立人工智能，學(xué)習(xí)人工操作中。經(jīng)過統(tǒng)計真實ARPA目標(biāo)速度、航向、位置分布，建立基于FCM識別智能ARPA雷達目標(biāo)識別準(zhǔn)確率91%第21頁利用機器學(xué)習(xí)和概率模型建立 雷達目標(biāo)真?zhèn)?/p>

9、識別模型雷達圖像目標(biāo)，約40%真實船只，以往只靠手動識別，只有非常有經(jīng)驗管理人員有這么能力。學(xué)習(xí)人工操作中，判別真實雷達光斑目標(biāo)速度、航向、形態(tài)分布，建立貝葉斯網(wǎng)絡(luò)，學(xué)習(xí)經(jīng)驗。結(jié)果反饋，不停修正網(wǎng)絡(luò)參數(shù)，形成判斷，準(zhǔn)確率91%第22頁利用AIS數(shù)據(jù)和風(fēng)險勢場模型，建立VTS目標(biāo)風(fēng)險感知模型怎樣甄別城市水域風(fēng)險分布？當(dāng)前完全依賴人工來識別，VTS中心中具備如此經(jīng)驗與能力管理人員非常少第23頁利用機器學(xué)習(xí)和概率模型建立 雷達目標(biāo)真?zhèn)巫R別模型利用人工智能怎樣甄別城市水域風(fēng)險分布？（AIS數(shù)據(jù)-流量密度與經(jīng)驗-風(fēng)險分布）第24頁利用機器學(xué)習(xí)和概率模型建立 雷達目標(biāo)真?zhèn)巫R別模型怎樣甄別城市水域中每個船舶

10、目標(biāo)風(fēng)險？第25頁從大量個體移動中學(xué)習(xí)規(guī)律-經(jīng)過計算機環(huán)境仿真進行模擬，從而推演出風(fēng)險數(shù)據(jù)采集數(shù)據(jù)采集方法研究：手動，基于視頻識別，基于人員定位等可控試驗、演練實地觀察速度, 密度, 流量個體行為群體行為經(jīng)驗研究微觀模擬宏觀模擬：類流體模型、網(wǎng)絡(luò)排隊模型，近期趨勢是宏觀模擬“微觀化”連續(xù)或離散模型：CA, SFM, SB, RVO等基于自主體模型：CityFlow等模擬基于一定速度密度關(guān)系和行為特征個體行為規(guī)律所演變出群集狀態(tài)計算機模擬研究利用機器學(xué)習(xí)和概率模型建立， Agent仿真模型第26頁人工智能驅(qū)動模型（Agent-Based Simulation）基于效用最大化理論微觀移動模型規(guī)則第

11、27頁人工智能推演與模擬人群密集運動應(yīng)用示例：第28頁船舶人群運動模擬推演動畫應(yīng)用示例：第29頁人工智能技術(shù)是新一代VTS構(gòu)想真正能實現(xiàn)關(guān)鍵利用人工智能機器學(xué)習(xí)方法，能夠提取人工操作經(jīng)驗，從而大幅度提升工作效率，降低重復(fù)勞動。只有經(jīng)過人工智能輔助，才有可能為每艘船提供精細化服務(wù)，實現(xiàn)VTS中Monitor（監(jiān)管）向服務(wù)（Service）轉(zhuǎn)型。利用人工智能仿真建模方法，能夠?qū)崟r計算風(fēng)險態(tài)勢、碰撞概率分布計算和控制航段最優(yōu)調(diào)度算法。從而為管理提供更加好決議支持。包含武漢理工大學(xué)在內(nèi)學(xué)術(shù)界，愿意和東保一起，共同推進“人工智能”應(yīng)用于VTS系統(tǒng)之中?，F(xiàn)有VTS體系中已經(jīng)有充分先驗數(shù)據(jù)現(xiàn)有VTS體系中已

12、經(jīng)有足夠計算資源VTS作為服務(wù)系統(tǒng)在應(yīng)用中有較大容錯空間第30頁四、難題與展望第31頁人工智能尚不能完全取代人，安全問題遠遠復(fù)雜過“棋局”基礎(chǔ)數(shù)據(jù)中仍存在大量錯誤與不確定性，棋局沒有決議中往往附帶有大量責(zé)任認(rèn)定，人工智能作為機器，無法成為追責(zé)主體AIS、雷達、攝像頭、公共數(shù)據(jù)等資源本身就有延時與不確定，怎樣描述不確定在人工智能領(lǐng)域仍存在爭議人工智能算法本身并沒有大家想完善。深度學(xué)習(xí)慣用神經(jīng)網(wǎng)絡(luò)算法除了計算速度較快之外，在結(jié)果嚴(yán)謹(jǐn)性上一直廣受質(zhì)疑，其特點是，要么準(zhǔn)確一塌糊涂，錯也錯非常離譜。下棋能夠，安全管理中怎么辦？人也會犯錯，人工智能當(dāng)然也會犯錯；人工智能犯錯了誰來擔(dān)責(zé)？考驗人類智慧。無人車

13、不能上路是技術(shù)問題？是否也有法律問題？第32頁下一代VTS展望一VTS發(fā)展來自通用技術(shù)發(fā)展推進大數(shù)據(jù)技術(shù)大數(shù)據(jù)技術(shù)將顯著提升水路運輸中各個步驟數(shù)據(jù)處理能力，包含通航環(huán)境感知、船舶運行狀態(tài)監(jiān)測、事故數(shù)據(jù)挖掘等。數(shù)據(jù)管理能力提升將為水運安全提供更豐富、更準(zhǔn)確決議支持?；ヂ?lián)網(wǎng)+技術(shù) 互聯(lián)網(wǎng)+將促進互聯(lián)網(wǎng)與傳統(tǒng)行業(yè)融合，水運業(yè)作為傳統(tǒng)行業(yè)，也將在這個技術(shù)浪潮中實現(xiàn)技術(shù)升級和轉(zhuǎn)型。經(jīng)過要素間更廣泛互聯(lián)，以及交通參加者知識、行為深度融入水運數(shù)據(jù)網(wǎng)絡(luò)，將促進水運安全中人作用、效能和價值深入發(fā)揮。第33頁下一代VTS展望二來自行業(yè)發(fā)展內(nèi)在動力E-航海戰(zhàn)略E-航海將實現(xiàn)船岸之間信息在采集、集成、交換、展現(xiàn)和分析

14、方面協(xié)作，從而促進“泊位到泊位” 船舶航行安全、環(huán)境保護及其相關(guān)服務(wù)功效，包含：風(fēng)險和事故防范標(biāo)準(zhǔn)化船橋信息管理船舶操縱人員態(tài)勢感知船岸間通訊質(zhì)量、準(zhǔn)確性和可靠性降低操縱和監(jiān)管人員工作負荷第34頁下一代VTS展望三安全理論在水運行業(yè)中滲透基于柔性工程航行安全理論事故演化理論新模型人因工程與工效學(xué)對安全促進不可抗力、不可預(yù)測事件防范和抵抗應(yīng)搶救援技術(shù)將得到強化水面、水下遇險人員救助技術(shù)及裝備研發(fā)人員逃生與應(yīng)急演練技術(shù)無人立體搜救技術(shù)?；沸孤稇?yīng)急處置技術(shù)第35頁海外教授帝國理工大學(xué)Anthony George Atkins教授等密歇根大學(xué)Jing Sun教授等鹿特丹伊拉斯姆斯大學(xué)H.E. Har

15、alambides教授等利茲大學(xué)Anne Neville教授等里斯本大學(xué)Carlos Guedes Soares教授等南安普頓大學(xué)William Geraint Price教授等布魯奈爾大學(xué)Geoff Rodgers ; T. H. Gan教授等弗賴堡大學(xué)Jurgen Ruhe教授等利物浦約翰莫爾斯大學(xué)Jin Wang; Zaili Yang教授等致謝團體團體師生海事風(fēng)險與應(yīng)急研究所吳超仲、黃明、劉清、張笛、汪洋、毛喆、吳兵、付姍姍、萬程鵬、王騰飛等師生水路交通感知與控制研究所馬楓、初秀民、陳先橋、朱敦堯、謝磊、高嵩、陳德山、桑凌志、柳晨光等師生船舶導(dǎo)航與仿真研究所黃立文、劉克中、文元橋、肖長詩、馬勇、熊勇、馬杰、萬小慧、劉鹍等師生通航安全保障研究所劉敬賢、鄧健、譚志榮、劉明俊、陳剛、陳厚忠、張進峰、張金奮、田延飛等師生可靠性工程研究所袁成清、白秀琴、楊琨、周新聰、